甘肃省干旱演变特征及主导因子

doi:10.7522/j.issn.1000-694X.2025.00048

摘要/Abstract

摘要：

甘肃省位于中国西北干旱与半干旱带，其干旱时空演变对区域生态安全和农业可持续发展具有重要影响。本研究基于2000—2022年MODIS数据的增强型植被指数（EVI）与地表温度（LST），构建温度植被干旱指数（TVDI），反演甘肃省近23年干旱强度空间格局。通过Sen趋势分析法与Mann-Kendall（M-K）显著性检验，系统解析干旱演变特征。进一步引入Hurst指数结合趋势分析结果预测未来干旱演变趋势，并运用地理探测器模型探究干旱驱动机制。结果表明：（1）2000—2022年甘肃省年均TVDI值为0.57，整体呈轻旱水平，干旱面积占比达82.18%；（2）甘肃省TVDI年均下降0.0005，干旱显著缓解区域集中于祁连山东麓、甘南高原及陇东地区；（3）Hurst指数结合Sen趋势分析预测显示，未来54.9%的区域将向湿润化转变，反持续性特征显著；（4）地理探测器模型表明，高程和气温是干旱的主控因子，其交互作用增强了解释力。

关键词: 甘肃省, TVDI, Hurst指数, 地理探测器

Abstract:

Gansu Province， located in the arid and semi-arid transition zone of northwestern China， experiences significant spatiotemporal variations in drought that profoundly impact regional ecological security and agricultural sustainability. This study constructed a Temperature Vegetation Drought Index （TVDI） model based on Enhanced Vegetation Index （EVI） and Land Surface Temperature （LST） data from MODIS （2000-2022） to analyze the spatial patterns of drought intensity in Gansu Province over 23 years. The Sen trend analysis and Mann-Kendall （M-K） significance test were employed to examine drought evolution characteristics. The Hurst index combined with Sen trend analysis was used to predict future drought trends， and the Geodetector model was applied to explore the driving mechanisms of drought. The results indicate that：（1） The annual average TVDI value in Gansu Province from 2000 to 2022 was 0.57， indicating a mild drought level， with drought-affected areas accounting for 82.18% of the total area；（2） The annual TVDI decline rate was 0.0005， with significant drought alleviation observed in the eastern foothills of the Qilian Mountains， the Gannan Plateau， and the Longdong region；（3） The Hurst index combined with Sen trend analysis predicts that 61.4% of the study area will transition to a wetter state in the future， showing significant anti-persistence characteristics；（4） The Geodetector model reveals that elevation and temperature are the dominant factors driving drought， and their interaction significantly enhances explanatory power. These findings provide a scientific basis for drought risk early warning and ecological adaptive management in Gansu Province.

Key words: Gansu Province, TVDI, Hurst index, Geodetector

中图分类号:

X826

李晓鹏, 李康, 李贺. 甘肃省干旱演变特征及主导因子[J]. 中国沙漠, 2025, 45(6): 103-112.

Xiaopeng Li, Kang Li, He Li. Analysis of evolution characteristics of drought and its dominant factors in Gansu，China[J]. Journal of Desert Research, 2025, 45(6): 103-112.

图/表 12

图1 研究区土地利用分布注：基于自然资源部标准地图服务网站标准地图（审图号：GS（2024）0650号）制作，底图边界无修改

Fig.1 Land use distribution of the study area

表1 Sen+M-K变化趋势分类

Table 1 Classification of trends based on Sen+M-K

β	Z	变化趋势
β>0	Z>2.58	极显著增加
	1.96<Z≤2.58	显著增加
	1.65<Z≤1.96	微显著增加
	Z≤1.65	不显著增加
β=0	Z	无变化
β<0	Z≤1.65	不显著减少
	1.65<Z≤1.96	微显著减少
	1.96<Z≤2.58	显著减少
	Z>2.58	极显著减少

表2 基于 Sen 斜率与 Hurst 指数的干湿趋势判别矩阵

Table 2 Discrimination matrix of dryness-wetness trends based on Sen's slope and Hurst index

Sen趋势	Hurst指数
Sen趋势	Hurst>0.5	Hurst≤0.5
Sen≥0.0005	持续变湿	由干变湿
\|Sen\|<0.005	无法确定	无法确定
Sen≤-0.005	持续变干	由湿变干

表3 交互作用类型

Table 3 Types of interaction effects

判断标准	交互作用
q(X₁∩X₂)<Min(q(X₁),q(X₂))	非线性减弱
Min(q(X₁),q(X₂))<q(X₁∩X₂)<Max(q(X₁),q(X₂))	单因子非线性减弱
q(X₁∩X₂)>Max(q(X₁),q(X₂))	双因子增强
q(X₁∩X₂)=q(X₁)+q(X₂)	独立
q(X₁∩X₂)>q(X₁)+q(X₂)	非线性增强

图2 甘肃省年均TVDI变化及各类型干旱面积占比

Fig.2 Annual mean TVDI changes and proportions of different drought types in Gansu Province

图3 甘肃省2000—2022年平均干旱类型空间分布注：基于自然资源部标准地图服务网站标准地图（审图号：GS（2024）0650号）制作，底图边界无修改

Fig.3 Spatial distribution of mean drought types from 2000 to 2022 in Gansu Province

图4 2000—2022年甘肃省部分年份干旱类型空间分布注：基于自然资源部标准地图服务网站标准地图（审图号：GS（2024）0650号）制作，底图边界无修改

Fig.4 Spatial distribution of drought types in Gansu Province from 2000 to 2022

图5 2000—2022年甘肃省TVDI分时段变化趋势显著性注：基于自然资源部标准地图服务网站标准地图（审图号：GS（2024）0650号）制作，底图边界无修改

Fig.5 Significance of TVDI change trends in different periods from 2000 to 2022 in Gansu Province

表4 分时段Sen+M-K变化趋势结果

Table 4 Sen+M-K trend analysis for different periods

时段	TVDI变化率均值	主导趋势	显著变湿区域	显著变干区域
2000—2005年	-0.001	湿润化	甘南高原、陇东黄土丘陵区	武威市东北侧、祁连山北麓
2005—2010年	-0.006	湿润化	酒泉市、武威市、甘南高原	河西走廊西段、定西地区、陇南地区
2010—2015年	0.002	干旱化	定西地区、陇东黄土丘陵区	酒泉市、武威市、陇南地区
2015—2020年	-0.003	湿润化	甘南高原、陇东黄土丘陵区	酒泉市、嘉峪关市、武威市
2020—2022年	0.009	干旱化	酒泉市北部、甘南高原	陇东黄土丘陵区、甘肃省西北侧

图6 甘肃省Hurst指数及TVDI未来演变趋势注：基于自然资源部标准地图服务网站标准地图（审图号：GS（2024）0650号）制作，底图边界无修改

Fig.6 Hurst index and future evolution trends of TVDI in Gansu Province

表5 分时段单因子探测结果

Table 5 Single-factor detection results for different periods

驱动因子	2000—2005年		2005—2010年		2010—2015年		2015—2020年		2020—2022年		q均值
驱动因子	q值	P值	q值	P值	q值	P值	q值	P值	q值	P值	q均值
地面粗糙度	0.119	0.000	0.064	0.103	0.109	0.007	0.029	0.268	0.053	0.149	0.075
气温	0.317	0.000	0.234	0.000	0.268	0.000	0.205	0.000	0.216	0.000	0.248
风速	0.011	0.534	0.013	0.398	0.004	0.705	0.014	0.402	0.012	0.413	0.011
坡度	0.139	0.000	0.099	0.000	0.109	0.000	0.096	0.000	0.071	0.059	0.103
降水	0.120	0.000	0.069	0.158	0.072	0.134	0.112	0.000	0.058	0.162	0.086
蒸散发	0.211	0.000	0.153	0.000	0.139	0.000	0.174	0.000	0.149	0.000	0.165
高程	0.419	0.000	0.313	0.000	0.312	0.000	0.287	0.000	0.305	0.000	0.327
夜间灯光亮度	0.101	0.000	0.128	0.000	0.060	0.114	0.248	0.000	0.113	0.000	0.130

图7 交互探测结果注：X1-地面粗糙度，X2-气温，X3-风速，X4-坡度，X5-降水，X6-蒸散发，X7-高程，X8-夜间灯光亮度

Fig.7 Interaction detection results

参考文献 34

[1]	王坤，严子奇，陈刚，等.面向特大干旱的水库旱限水位多级优化研究［J］.水利学报，2024，55（12）：1528-1538.
[2]	王劲松，姚玉璧，袁淑杰，等.小麦干旱监测技术研究进展与展望［J］.干旱地区农业研究，2024，42（4）：273-285.
[3]	程姗岭，于海鹏，任钰，等.中国干旱半干旱区气候异常影响机理研究进展［J］.中国沙漠，2023，43（3）：21-35.
[4]	王晨鹏，黄萌田，翟盘茂.IPCC AR6报告关于不同类型干旱变化研究的新进展与启示［J］.气象学报，2022，80（1）：168-175.
[5]	郑健，鲍婷婷，王春霞，等.考虑气候分区的甘肃省干旱时空分布特征分析［J］.农业机械学报，2023，54（2）：311-320.
[6]	胡晓萌.甘肃省不同气候区气象干旱时空演变及预估［D］.咸阳：西北农林科技大学，2023.
[7]	杨慧，李玥，武凌，等.MODIS干旱监测指数结合PSO-RBFNN反演甘肃省胡麻出苗期土壤湿度［J］.干旱地区农业研究，2025，43（1）：267-277.
[8]	Xu Q， Li S， Yi J，et al.Modeling and application of drought monitoring with adaptive spatial heterogeneity using eco-geographic zoning：a case study of drought monitoring in Yunnan Province，China［J］.Water，2024，16（17）：2500-2500.
[9]	Zhou J， Fan Y， Guan Q，et al.Research on drought monitoring based on deep learning：a case study of the Huang-Huai-Hai Region in China［J］.Land，2024，13：615.
[10]	陈哲璐，黄万里，叶士琳，等.基于不同TVDI指数的福建省2018年农业干旱监测差异分析［J］.自然灾害学报，2021，30（6）：233-243.
[11]	侯敬植.基于TVDI指数的中国南北过渡带干旱特征研究［D］.陕西杨凌：西北农林科技大学，2023.
[12]	Lv M， Qin L， Li B，et al.Spatiotemporal characteristics of drought under different vegetation types and responses to climatic factors in Jilin Province，China［J］.Regional Environmental Change，2024，25（1）：11-11.
[13]	Zhou X， Xu X.The research of common drought indexes for the application to the drought monitoring in the region of Jin Sha River［J］.Open Geosciences，2024，16（1）：1-9.
[14]	尹本酥，李振发，岳蓉，等.基于温度植被干旱指数的关中地区旱情监测［J］.农业工程学报，2024，40（17）：111-119.
[15]	周孝明，张喆，张越，等.基于TVDI的近20 a吐鲁番市干旱及影响因素分析［J］.干旱区地理，2024，47（12）：2104-2114.
[16]	卢献健，黎振宝，晏红波，等.基于TVDI的不同类型岩溶区干旱时空演变及其影响因素分析［J］.遥感技术与应用，2024，39（3）：669-678.
[17]	沙莎，王丽娟，王小平，等.基于温度植被干旱指数（TVDI）的甘肃省农业干旱监测方法研究［J］.干旱气象，2024，42（1）：27-38.
[18]	陈丙寅，杨辽，陈曦，等.基于改进型TVDI在干旱区旱情监测中的应用研究［J］.干旱区地理，2019，42（4）：902-913.
[19]	程玉菲，刘德地，陈文，等.甘肃省河东地区气象-水文干旱时空演变特征［J］.水文，2024，44（2）：103-112.
[20]	张娟，姚晓军，李净，等.基于多源遥感数据的甘肃省农业干旱研究［J］.干旱区地理，2023，46（1）：11-22.
[21]	戴晓爱，马佳欣，唐艺菱，等.甘肃省植被时空动态变化及其归因分析［J］.生态环境学报，2024，33（8）：1163-1173.
[22]	梁守真，王猛，韩冬锐，等.TVDI与土壤湿度关系的多时间尺度分析与旱情监测［J］.水土保持研究，2024，31（2）：149-157.
[23]	刘智源，李继红.2000-2020年黑龙江省植被时空变化对气候因子响应［J］.森林工程，2024，40（1）：85-97.
[24]	陈冰锋.基于多源遥感数据融合的山丘区干旱监测研究［D］.重庆：重庆交通大学，2024.
[25]	李雯晴，赵勇，刘招，等.2001-2020年渭北黄土台塬区农业干旱变化特征及影响因素分析［J］.水资源与水工程学报，2024，35（5）：1-10.
[26]	范虎.基于kTVDI的西北干旱区干旱时空变化特征及影响因素分析［D］.兰州：兰州理工大学，2024.
[27]	亓小蕙.基于遥感与深度学习的农业干旱监测预测研究［D］西安：长安大学，2024.
[28]	张喆，丁建丽，李鑫，鄢雪英.TVDI用于干旱区农业旱情监测的适宜性［J］.中国沙漠，2015，35（1）：220-227.
[29]	张茂，张霞，胡光成，等.遥感干旱指数在洛川苹果干旱监测中的适用性分析［J］.遥感技术与应用，2021，36（1）：187-197.
[30]	黄诗峰，孙营伟.卫星遥感赋能旱情监测：进展与展望［J］.中国水利，2024（11）：33-37.
[31]	张斌艳，何光熊，王艳丹，等.不同种植模式对干热河谷坡耕地水土流失的影响［J］.水土保持通报，2025，45（1）：49-57.
[32]	刘坤，王波，张发国，等.光伏电站建设的生态效应：光伏治沙研究进展与展望［J］.中国沙漠，2025，45（1）：277-291.
[33]	赵立君，陈逸聪，邵雅梅，等.长三角地区县域尺度陆地植被固碳量主导因素辨识及驱动贡献分析［J］.生态与农村环境学报，2025，41（2）：149-159.
[34]	金晓斌，韩博，李权荃，等.面向土地退化中和的国土空间生态修复规划：逻辑框架与关键问题［J］.自然资源学报，2025，40（2）：287-301.